【Python之路】第四篇--Python基础之函数

三元运算

三元运算（三目运算），是对简单的条件语句的缩写

# 书写格式
 
result = 值1 if 条件 else 值2
 
# 如果条件成立，那么将 “值1” 赋值给result变量，否则，将“值2”赋值给result变量

基本数据类型补充

set

set集合，是一个无序且不重复的元素集合，它的主要作用如下：

去重，把一个列表变成集合，就自动去重了
关系测试，测试两组数据之前的交集、差集、并集等关系

集合对象是一组无序排列的可哈希的值：集合成员可以做字典的键

集合分类：可变集合、不可变集合

可变集合(set)：可添加和删除元素，非可哈希的，不能用作字典的键，也不能做其他集合的元素

不可变集合(frozenset)：与上面恰恰相反

class set(object):
    """
    set() -> new empty set object
    set(iterable) -> new set object
      
    Build an unordered collection of unique elements.
    """
    def add(self, *args, **kwargs): # real signature unknown
        """
        Add an element to a set，添加元素
        This has no effect if the element is already present.
        """
        pass
  
    def clear(self, *args, **kwargs): # real signature unknown
        """ Remove all elements from this set. 清除内容"""
        pass
  
    def copy(self, *args, **kwargs): # real signature unknown
        """ Return a shallow copy of a set. 浅拷贝  """
        pass
  
    def difference(self, *args, **kwargs): # real signature unknown
        """
        Return the difference of two or more sets as a new set. A中存在，B中不存在 ( in A not in B )
        (i.e. all elements that are in this set but not the others.)
        """
        pass
  
    def difference_update(self, *args, **kwargs): # real signature unknown
        """ Remove all elements of another set from this set.  从当前集合中删除和B中相同的元素"""
        pass
  
    def discard(self, *args, **kwargs): # real signature unknown
        """
        Remove an element from a set if it is a member.
          
        If the element is not a member, do nothing. 移除指定元素，不存在不保错
        """
        pass
  
    def intersection(self, *args, **kwargs): # real signature unknown
        """
        Return the intersection of two sets as a new set. 交集
          
        (i.e. all elements that are in both sets.)
        """
        pass
  
    def intersection_update(self, *args, **kwargs): # real signature unknown
        """ Update a set with the intersection of itself and another.  取交集并更更新到A中 """
        pass
  
    def isdisjoint(self, *args, **kwargs): # real signature unknown
        """ Return True if two sets have a null intersection.  如果没有交集，返回True，否则返回False"""
        pass
  
    def issubset(self, *args, **kwargs): # real signature unknown
        """ Report whether another set contains this set.  是否是子序列"""
        pass
  
    def issuperset(self, *args, **kwargs): # real signature unknown
        """ Report whether this set contains another set. 是否是父序列"""
        pass
  
    def pop(self, *args, **kwargs): # real signature unknown
        """
        Remove and return an arbitrary set element.
        Raises KeyError if the set is empty. 移除元素
        """
        pass
  
    def remove(self, *args, **kwargs): # real signature unknown
        """
        Remove an element from a set; it must be a member.
          
        If the element is not a member, raise a KeyError. 移除指定元素，不存在保错
        """
        pass
  
    def symmetric_difference(self, *args, **kwargs): # real signature unknown
        """
        Return the symmetric difference of two sets as a new set.  对称差集   (not in a and b )
          
        (i.e. all elements that are in exactly one of the sets.)
        """
        pass
  
    def symmetric_difference_update(self, *args, **kwargs): # real signature unknown
        """ Update a set with the symmetric difference of itself and another. 对称差集，并更新到a中 """
        pass
  
    def union(self, *args, **kwargs): # real signature unknown
        """
        Return the union of sets as a new set.    并集
        (i.e. all elements that are in either set.)
        """
        pass
  
    def update(self, *args, **kwargs): # real signature unknown
        """ Update a set with the union of itself and others. 更新 """
        pass

set

练习：寻找差异

old_dict = {
    "#1":11,
    "#2":22,
    "#3":100,
}

new_dict = {
    "#1":33,
    "#4":22,
    "#7":100,
}

old_set = set(old_dict.keys())
new_set = set(new_dict.keys())

same_set = old_set.intersection(new_set)
up_set = new_set.difference(old_set)


ret_dict = {}
for k in same_set:
    ret_dict[k]=new_dict[k]

for i in up_set:
    ret_dict[i]=new_dict[i]

print(ret_dict)
# print(old_set)
# print(new_set)

深浅拷贝

一、数字和字符串

对于数字和字符串而言，赋值、浅拷贝和深拷贝无意义，因为其永远指向同一个内存地址。

import copy

a = 132
b = 'Ales'

# ## 浅拷贝 ##
aa = copy.copy(a)
bb = copy.copy(b)

# ## 深拷贝 ##
aaa = copy.deepcopy(a)
bbb = copy.deepcopy(b)

print(id(a),id(aa),id(aaa))
print(id(b),id(bb),id(bbb))

# ## 1691783456   1691783456     1691783456
# ##  47227376    47227376       47227376

二、其他基本数据类型

对于字典、元祖、列表而言，进行赋值、浅拷贝和深拷贝时，其内存地址的变化是不同的。

1、赋值

赋值，只是创建一个变量，该变量指向原来内存地址，如：

n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}
  
n2 = n1

2、浅拷贝

浅拷贝，在内存中只额外创建第一层数据

import copy
  
n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}
  
n3 = copy.copy(n1)

print(id(n1),id(n3))
print(id(n1["k1"]),id(n3["k1"]))

# 44947080 45383304
# 45327056 45327056

3、深拷贝

深拷贝，在内存中将所有的数据重新创建一份（排除最后一层，即：python内部对字符串和数字的优化）

import copy

n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}

n4 = copy.deepcopy(n1)

print(id(n1),id(n4))
print(id(n1["k3"]),id(n4["k3"]))
print(id(n1["k3"][0]),id(n4["k3"][0]))

# 56088200 56460680
# 58962760 58930696
# 56506216 56506216

函数

一、背景

在学习函数之前，一直遵循：面向过程编程，

即：根据业务逻辑从上到下实现功能，其往往用一长段代码来实现指定功能，开发过程中最常见的操作就是粘贴复制，也就是将之前实现的代码块复制到现需功能处，如下：

while True：
    if cpu利用率 > 90%:
        #发送邮件提醒
        连接邮箱服务器
        发送邮件
        关闭连接
    
    if 硬盘使用空间 > 90%:
        #发送邮件提醒
        连接邮箱服务器
        发送邮件
        关闭连接
    
    if 内存占用 > 80%:
        #发送邮件提醒
        连接邮箱服务器
        发送邮件
        关闭连接

腚眼一看上述代码，if条件语句下的内容可以被提取出来公用，如下：

def 发送邮件(内容)
    #发送邮件提醒
    连接邮箱服务器
    发送邮件
    关闭连接
    
while True：
    
    if cpu利用率 > 90%:
        发送邮件('CPU报警')
    
    if 硬盘使用空间 > 90%:
        发送邮件('硬盘报警')
    
    if 内存占用 > 80%:

对于上述的两种实现方式，第二次必然比第一次的重用性和可读性要好，其实这就是函数式编程和面向过程编程的区别：

函数式：将某功能代码封装到函数中，日后便无需重复编写，仅调用函数即可
面向对象：对函数进行分类和封装，让开发“更快更好更强...”

简单的例子：求一个长方形的周长和面积。

面向过程的程序设计方式：

1、确定长方形周长和面积的算法。

2、编写两个方法（函数）分别计算长方形的周长和面积。

3、求周长的方法（函数）和求面积的方法（函数）需要两个参数，分别是长方形的长和宽。

面向对象的程序设计方式：

1、一个长方形可以看成一个长方形对象。

2、一个长方形对象有两个状态（长和宽）和两个行为（求周长和求面积）。

3、将所有长方形的共性抽取出来，设计一个长方形类。

4、通过长方形对象的行为，就可以求出某个具体的长方形对象的周长和面积。

二、函数定义和使用

def 函数名(参数):
       
    ...
    函数体
    ...
    返回值

函数的定义主要有如下要点：

def：表示函数的关键字
函数名：函数的名称，日后根据函数名调用函数
函数体：函数中进行一系列的逻辑计算，如：发送邮件、计算出 [11,22,38,888,2]中的最大数等...
参数：为函数体提供数据
返回值：当函数执行完毕后，可以给调用者返回数据。

1、返回值

函数是一个功能块，该功能到底执行成功与否，需要通过返回值来告知调用者。

返回多个对象时，封装成一个元组返回！

以上要点中，比较重要有参数和返回值：

def 发送短信(): 
    发送短信的代码...
    if 发送成功:
        return True
    else:
        return False
   
while True:
    # 每次执行发送短信函数，都会将返回值自动赋值给result
    # 之后，可以根据result来写日志，或重发等操作
    result = 发送短信()
    if result == False:
        记录日志，短信发送失败...

2、参数

函数有三种不同的参数：

普通参数
默认参数
动态参数

# ######### 定义函数 ######### 

# name 叫做函数func的形式参数，简称：形参
def func(name):
    print name

# ######### 执行函数 ######### 
#  'alex' 叫做函数func的实际参数，简称：实参
func('alex')

普通参数

def func(name, age = 18):
    
    print "%s:%s" %(name,age)

# 指定参数
func('wupeiqi', 19)
# 使用默认参数
func('alex')

注：默认参数需要放在参数列表最后

默认参数

def func(*args):
    print(args,type(args))


# 执行方式一
func(11,33,4,4454,5,['11','22'])

# (11, 33, 4, 4454, 5, ['11', '22']) <class 'tuple'>

# 执行方式二
li = [11,2,2,3,3,4,54]

func(li)
# ([11, 2, 2, 3, 3, 4, 54],) <class 'tuple'>   注意此处!元组第一个元素为列表

func(*li)
# (11, 2, 2, 3, 3, 4, 54) <class 'tuple'>

动态参数一

def func(**kwargs):
    print(kwargs)


# 执行方式一
func(name='wupeiqi',age=18)

# 执行方式二
li = {'name':'wupeiqi', 'age':18, 'gender':'male'}
func(**li)

# {'name': 'wupeiqi', 'age': 18}
# {'name': 'wupeiqi', 'age': 18, 'gender': 'male'}

动态参数二

def f1(*a,**aa):
    print(a,type(a))
    print(aa,type(aa))

f1(11,22,33,k1=123,k2=456)

# (11, 22, 33) <class 'tuple'>
# {'k1': 123, 'k2': 456} <class 'dict'>

动态参数一,二结合

3.函数名可以做参数传递

　　函数名() => 执行函数

　　函数名 => 代指函数内容

def f1():
    print("F1")
    return "F1"

def f2(arg):
    arg()
    print("F2")
    return "F2"

f2(f1)

# F1
# F2

函数式编程、面向过程编程、面向对象编程

函数式编程 ：主要思想是把运算过程尽量写成一系列嵌套的函数调用。增强代码的重用性和可读性

传统的编程模式：

　　var a = 1 + 2;

　　var b = a * 3;

　　var c = b - 4;

函数式编程要求使用函数，我们可以把运算过程定义为不同的函数，然后写成下面这样：

　　var result = subtract(multiply(add(1,2), 3), 4);

函数式编程具有五个鲜明的特点。

　　（1）函数是"第一等公民"，与其他数据类型一样，处于平等地位，可以赋值给其他变量，也可以作为参数，传入另一个函数，或者作为别的函数的返回值。

　　（2）申明式（Declarative）的编程方式，相对于命令式而言，命令式程序设计大量使用可变对象和指令。习惯于创建对象或者变量，并且修改它们的状态或者值，或者喜欢提供一系列指令，要求程序执行。

　　对于申明式编程范式，不需要提供明确的指令操作，所有的细节指令将会更好的被程序库所封装，只需要提出要求，申明用意即可。

　　（3）无"副作用"（side effect），指的是函数内部与外部互动（最典型的情况，就是修改全局变量的值），产生运算以外的其他结果。

　　显式函数指函数与外界交换数据的唯一渠道就是参数和返回值，显式函数不会去读取或者修改函数的外部状态，

　　隐式函数除了参数和返回值外，还会读取外部信息，或者可能修改外部信息。

　　（4）不修改状态，函数式编程只是返回新的值，不修改系统变量。因此，不修改变量，也是它的一个重要特点。

　　在其他类型的语言中，变量往往用来保存"状态"（state）。不修改变量，意味着状态不能保存在变量中。函数式编程使用参数保存状态，最好的例子就是递归。

　　（5）尾递归优化，尾递归操作处于函数的最后一步。这种情况下，函数的工作其实已经完成（剩余工作就是再次调用它自身）。

　　编译器可以进行优化，用新函数的帧栈覆盖掉老函数的帧栈，避免递归操作不断申请栈空间。

函数式编程好处：

　　（1）代码简洁，开发快速。函数式编程大量使用函数，减少了代码的重复，因此程序比较短，开发速度较快。

　　（2）接近自然语言，易于理解。

　　（3）易于并发编程（concurrency）。函数式编程不需要考虑"死锁"（deadlock），因为它不修改变量，所以根本不存在"锁"线程的问题。不必担心一个线程的数据，被另一个线程修改，所以可以很放心地把工作分摊到多个线程，部署"并发编程"。

面向过程是一种以事件为中心的编程思想，以功能（行为）为导向，面向过程类型的编码是需求的直译过程。按模块化的设计，就是分析出解决问题所需要的步骤，然后用函数把这些步骤一步一步实现，实现的时候一个一个依次调用。

面向对象是一种以事物为中心的编程思想，以数据（属性）为导向，将具有相同一个或者多个属性的物体抽象为“类”，将他们包装起来；而有了这些数据(属性)之后，我们再考虑他们的行为（对这些属性进行怎样的操作），是把构成问题的事物分解成各个对象，建立对象的目的不是为了完成一个步骤，而是为了描述某个事物在整个解决问题的步骤中的行为。

内置函数

注：查看详细猛击这里

open()函数　=> 详情点击

lambda表达式

学习条件运算时，对于简单的 if else 语句，可以使用三元运算来表示，即：

# 普通条件语句
if 1 == 1:
    name = 'eric'
else:
    name = 'alex'
    
# 三元运算
name = 'eric' if 1 == 1 else 'alex'

对于简单的函数，也存在一种简便的表示方式，即：lambda表达式

func = lambda x,y : x+1

参数 x,y
函数体
隐含 return
func 函数名

# ###################### 普通函数 ######################
def f1(x):
    return x+100

result = f1(10)
print(result)

# ###################### lambda ######################

my_lambda = lambda x : x+100
result = my_lambda(10)
print(result)

注意 :

def makelist():
    L = []
    for i in range(5):
        L.append(lambda x: i**x)
    return L

mylist = makelist()

>>> mylist[0](0)
1
>>> mylist[0](1)
4
>>> mylist[0](2)
16

i 为enclosing variables，直到lambda函数调用时，i 的最终值为4

具体参考python作用域

for 循环中的 lambda 表达式

第一种：

f = [ lambda x: x*i for i in range(4) ]

调用结果为：

>>> f = [lambda x:x*i for i in range(4)]
>>> f[0](1)
3    # 1*3
>>> f[1](1)
3    # 1*3
>>> f[2](1)
3    # 1*3
>>> f[0](3)
9    # 3*3
>>> f[1](3)
9    # 3*3
>>> f[2](3)
9    # 3*3

表达式展开为函数代码：

def func():
    fs = []
    for i in range(4):
        def lam(x):
            return x*i
        fs.append(lam)
    return fs

>>> f = func()
>>> f[0](3)
9
>>> f[2](3)
9
>>> f[1](3)
9

　　当调用func()时，每次循环都将lam()函数的地址放入到fs列表中。

　　循环中的lam()函数，都未绑定i的值，直到循环结束，i的值为3，并将lam()函数中所用到的 i 值定为3。

　　到调用时，i 的值一直保持为3。

另一种：

f = [ lambda :i*i for i in range(4) ]　　（没有传入x值）

>>> f = [lambda :i*i for i in range(4)]
>>> f[0]()
9
>>> f[1]()
9   
>>> f[2]()
9   
>>> f[3]()
9

第二种：

f = [ lambda i=i: i*i for i in range(4) ]

表达式调用结果为：

>>> f1 = [lambda i=i: i*i for i in range(4)]
>>> f1[0]()
0
>>> f1[1]()
1
>>> f1[2]()
4
>>> f1[3]()
9

展开为函数为：

def func():
    fs = []
    for i in range(4)
        def lam(x=i):   # 即 i=i
            return x*x    # 即 i*i
        fs.append(lam)
    return fs

　　当调用func()函数时，每次循环都将lam()函数的地址放入到fs列表中。

　　但是在每次循环中，都将 i 的值绑定到了 x 上，所以直到循环结束，每次的 x 的值都不一样。

　　到调用时，x 的值为当时绑定的值。

　　当有给 lam()函数进行参数传递时，参数就绑定到 x 的值上。

>>> f1 = [lambda i=i: i*i for i in range(4)]
>>> f1[0](8)
64
>>> f1[1](8)
64
>>> f1[2](8)
64
>>> f1[3](8)
64

第三种：

f = [ lambda x=i:i*i for i in range(4) ]

表达式调用结果为：

>>> f2 = [lambda x=i: i*i for i in range(4)]
>>> f2[0]()
9
>>> f2[1]()
9
>>> f2[2]()
9
>>> f2[0](1)
9
>>> f2[1](2)
9

传不传参数都不影响结果。展开后：

def func():
    fs = []
    for i in range(4)
        def lam(x=i):  
            return i*i  
        fs.append(lam)
    return fs

　　虽然 lam()函数将 i 的值绑定到 x上，但是函数体中并没有使用到 x 的值，

　　直到循环结束，i 的值变为3，才会在调用时使用。

递归

利用函数编写如下数列：

斐波那契数列指的是这样一个数列 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368...

斐波纳契数列以如下被以递归的方法定义：F(0)=0，F(1)=1，F(2)=1, F(n)=F(n-1)+F(n-2)（n>=2，n∈N*）

def f1(a1,a2):
    if a1 == 0:
        print(a1,a2)
    a3 = a1 + a2
    print(a3)
    f1(a2,a3)

f1(0,1)

第一种（递归法）：

　　写法最简洁，但是效率最低，会出现大量的重复计算，时间复杂度O（1.618^n）,而且最深度1000

def fi(n):
    if n <= 1:
        return n
    return fi(n-2) + fi(n-1)

for i in range(6):
    print(fi(i),end=' ')

第二种（递推法）：

　　递推法，就是递增法，时间复杂度是 O(n)，呈线性增长，如果数据量巨大，速度会越拖越慢

def fi(n):
    if n <= 1:
        return n
    a, b = 0, 1
    for i in range(n-1):
        a, b = b, a + b

    return b

第三种（生成器）：

def fi(n):
    a, b = 0, 1
    while n >= 1 :
        a, b = b, a+b
        yield a
        n -= 1

for i in fi(6):
    print(i, end=' ')

第四种（类）：

class Fabinacci(object):
    def __init__(self, count):
        self.current = 0
        self.a = 0
        self.b = 1
        self.max = count

    def __next__(self):
        if self.current < self.max:
            self.a,self.b = self.b, self.a + self.b
            self.current += 1
            return self.a
        else:
            raise StopIteration

    def __iter__(self):
        return self

for i in Fabinacci(6):
    print(i, end=' ')

第五种（矩阵）：

　　因为幂运算可以使用二分加速，所以矩阵法的时间复杂度为 O(log n)

　　用科学计算包numpy来实现矩阵法 O(log n)

### 1
import numpy
def fib_matrix(n):
    res = pow((numpy.matrix([[1, 1], [1, 0]])), n) * numpy.matrix([[1], [0]])
    return res[0][0]
for i in range(10):
    print(int(fib_matrix(i)), end=' ')

### 2
# 使用矩阵计算斐波那契数列
def Fibonacci_Matrix_tool(n):
    Matrix = npmpy.matrix("1 1;1 0")
    # 返回是matrix类型
    return pow(Matrix, n)  # pow函数速度快于 使用双星好 **

def Fibonacci_Matrix(n):
    result_list = []
    for i in range(0, n):
        result_list.append(numpy.array(Fibonacci_Matrix_tool(i))[0][0])
    return result_list
# 调用
Fibonacci_Matrix(10)

练习题

1、简述普通参数、指定参数、默认参数、动态参数的区别

# 普通参数：按照形式参数的指定位置 传入参数。
# 指定参数：可以在实际参数里指定任意位置,传入参数。
# 默认参数：如果实际参数没有给形式参数传入值　　那么默认使用的参数就是默认参数　默认参数需要放到尾部
# 动态参数：可以无限传入任意参数，如果是*代表传入参数的形式将会是元组 **表示将会是字典

2、写函数，计算传入字符串中【数字】、【字母】、【空格] 以及【其他】的个数

#!/usr/bin/env python
# -*-coding:utf-8 -*-

def counts(str):
    num_counts=0
    al_counts=0
    space_num=0
    other=0
    for i in str:
        if i.isdigit():
            num_counts += 1
        elif i.isalpha():
            al_counts += 1
        elif i.isspace():
            space_num +=1
        else:
            other += 1
    print(num_counts,al_counts,space_num,other)

counts('123 456abc def g_*-/')

View Code

3、写函数，判断用户传入的对象（字符串、列表、元组）长度是否大于5。

#!/usr/bin/env python
# -*-coding:utf-8 -*-

def length(input):
    if isinstance(input,str) or isinstance(input,list) or isinstance(input,tuple):
        if len(input) > 5:
            print("大于5")
            return True
        else:
            print("小于5")
            return False
    else:
        print("类型错误!")
        return None

length("abc544")

li = ['123','3242','2342','asd',45,22,]
length(li)

tu=(11,22,33,44,)
length(tu)

a =123
length(a)

View Code

4、写函数，检查用户传入的对象（字符串、列表、元组）的每一个元素是否含有空内容。

#!/usr/bin/env python
# -*-coding:utf-8 -*-

def has_space(str):
    ret = False
    for i in str:
        if i.isspace():
            ret = True
            break
    return ret

ret = has_space('22 123')
print(ret)

View Code

5、写函数，检查传入列表的长度，如果大于2，那么仅保留前两个长度的内容，并将新内容返回给调用者。

#!/usr/bin/env python
# -*-coding:utf-8 -*-

def check(li):
    if len(li)>2:
        del li[2:]

li = [11,22,33,44,55]
check(li)
print(li)

View Code

6、写函数，检查获取传入列表或元组对象的所有奇数位索引对应的元素，并将其作为新列表返回给调用者。

#!/usr/bin/env python
# -*-coding:utf-8 -*-

def check(li):
    return li[0:len(li):2]


li = [11,22,33,44,55,66,77,88,99]
ll = check(li)
print(ll)

View Code

7、写函数，检查传入字典的每一个value的长度,如果大于2，那么仅保留前两个长度的内容，并将新内容返回给调用者。

dic = {"k1": "v1v1", "k2": [11,22,33,44]}
 
PS:字典中的value只能是字符串或列表

#!/usr/bin/env python
# -*-coding:utf-8 -*-

dic = {"k1": "v1v1", "k2": [11,22,33,44],"k3":'1'}

def check(dic):
    for k,v in dic.items():
        if len(v)>2:
            dic[k]=v[0:2]
    return dic

check(dic)
print(dic)

View Code

8、写函数，利用递归获取斐波那契数列中的第 10 个数，并将该值返回给调用者。

#!/usr/bin/env python
# -*-coding:utf-8 -*-
 
def f1(a1,a2,depth):
    if depth == 10:
        return a1
    a3 = a1 + a2
    a1 = f1(a2,a3,depth+1)
    return a1
 
 
a = f1(0,1,1)
print(a)

View Code